بازاریابی زمانی مفید است که به یک نیاز پاسخ دهد. ساده بنظر می‌رسد، اما برخی از نیازها را به سختی می‌توان پاسخ داد. مانند هر مصرف‌کننده دیگری، نیازهای من نیز در هر روز تکامل پیدا می‌کند، حتی ممکن است هر دقیقه تغییر کند. من تبلیغاتی که به خوبی هدف یابی نشده و پیام‌های بی‌ربط به خود را تحمل نمی‌کنم.
ماشین‌ها نحوه بازاریابی را تغییر داده‌اند. درباره بات‌هایی که به مشتریان سرویس می‌دهند، صحبت نمی‌کنیم. درباره نرم‌افزارهایی صحبت می‌کنیم که به برندها کمک می‌کنند تا نیازهای کاربران را فهمیده و به آنها پاسخ دهند، حتی ممکن است که نیازهای کاربران را پیش‌بینی کنند.
این مرحله جدیدی بوده و آن را می‌توان بازاریابی ۳ نام نهاد. بازاریابی ۱ اوایل قرن بیستم بود که تنها فروختن کالا به کسانی که به آن نیاز داشتند را شامل می‌شد. بازاریابی ۲ از دهه ۱۹۵۰ میلادی آغاز شد و در این مرحله، تبلیغات نقش عمده‌ای داشت. یادگیری ماشین به بازاریاب‌ها کمک می‌کند تا از این مدل عبور کرده و به هدف اصلی بازاریابی برگردند.
- بازاریابی ۱: تامین نیازهایی که کاربر عنوان کرده است.
- بازاریابی ۲: ایجاد نیاز و سپس پاسخ دادن به آنها
- بازاریابی ۳: ماشین‌ها نیازها را آنالیز کرده و سپس به آنها پاسخ می‌دهند.
بازاریابی ۳ از یادگیری ماشین استفاده کرده تا بتواند کالا و کاربر را سریع‌تر و دقیق‌تر تطبیق دهد. این کار پیش از آن صورت می‌گیرد که کاربر نیاز خود را به صورت علنی اعلام کرده باشد. ماشین‌های با استفاده از داده‌های واقعی، قادر خواهند بود که نیازها و رفتار کاربران را پیش‌بینی کنند. به این ترتیب، بازاریاب‌ها نیازی ندارند که روند دقیق را در داده‌های زیاد تشخیص داده یا قوانینی که بر رفتار کاربران حاکم است را تشخیص دهند. به عبارت دیگر، یادیگری ماشین نقش بازاریاب‌ها را از دستکاری نیاز کاربران به پاسخ دادن دقیق با آنها تغییر داده است.
به عنوان مثال یک فروشنده BMW را در نظر بگیرید که قصد دارد یک مدل خاص را بفروشد. این فروشنده می‌تواند علایم افرادی که یک ماشین سری ۵ را قبلا خریداری کرده‌اند، شناسایی کنند. به عنوان مثال، این خریداران در مورد آئودی A6 و مرسدس E Class نیز تحقیق کرده‌اند. خریداران همچنین در مورد میزان مصرف بنزین نیز تحقیق کرده‌اند و ویژگی‌های مشترکی داشته‌اند. حال فرض کنید که کسی می‌خواهد BMW سری ۵ بخرد و دوستی دارد که قبلا این ماشین را خریده است. این شخص عبارت BMW 5 Series را جستجو کرده و نمایندگی‌هایی که تا فاصله ۱۰ مایلی قرار دارند، نشان داده می‌شود. سپس این شخص دقیقا به نمایندگی هدایت شده که دوستش نیز ماشن خود را از آنجا خریده است. سپس برنامه فردی را به کار معرفی می‌کند که سال پیش همین ماشین را به دوست او فروخته است و این دو می‌توانند در مورد خرید جدید صحبت کنند.
فرصت‌های زیادی برای پیش‌بینی نحوه تعامل آنلاین و آفلاین وجود دارد. گوگل، اپل، فیسبوک و آمازون سرمایه‌گذاری زیادی بر روی تشخیص صدا و پردازش زبان طبیعی دارند. آمازون حتی سعی دارد به الکسا یاد دهد که پاسخ‌های عاطفی‌تری داشته باشد. صدا برای اینکه بازاریاب‌ها با استفاده از یادگیری ماشین تجربه کاربری ایجاد کنند، حیاتی است. حتی اگر ماشین‌ها بتوانند پیشنهادهایی دقیق داشته باشند، بازهم کاربران به مکالمه نیاز دارند. کاربران شاید دوست داشته باشند با استفاده از الکسا پیتزا سفارش دهند، اما سفارش ماشین نیاز به صحبت و گفتگوی بیشتری دارد.
نقش ماشین‌ها این خواهد بود که بین رفتار کاربران و خواسته نهایی آنها، ارتباط پیدا کنند. نقش بازاریاب این است که تشخیص دهد که چه چیزی را می‌توان اتوماتیک کرد. بازاریابی ۴، نیازهای بیان‌شده و بیان‌نشده کاربر را پاسخ می‌دهد.
ما به سمت دنیایی حرکت می‌کنیم که یادگیری ماشین بیشتر تعامل بین برندها و مشتریان را بر عهده دارد. این تضادی با تجربه اصیل و ارتباطات انسانی ندارد. بازاریابی فراگیر و مبتنی بر داده خواهد بود.
